Conv3D 层

[源代码]

Conv3D 类

tf_keras.layers.Conv3D(
    filters,
    kernel_size,
    strides=(1, 1, 1),
    padding="valid",
    data_format=None,
    dilation_rate=(1, 1, 1),
    groups=1,
    activation=None,
    use_bias=True,
    kernel_initializer="glorot_uniform",
    bias_initializer="zeros",
    kernel_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    kernel_constraint=None,
    bias_constraint=None,
    **kwargs
)

3D 卷积层（例如，空间卷积）。

此层创建一个卷积核，该卷积核与层输入进行卷积，以产生一个输出张量。如果 use_bias 为 True，则会创建一个偏置向量并添加到输出中。最后，如果 activation 不为 None，则会将其应用于输出。

当将此层用作模型中的第一层时，请提供关键字参数 input_shape（整数或 None 的元组，不包含样本轴），例如，对于具有单个通道的 128x128x128 体积，在 data_format="channels_last" 中，input_shape=(128, 128, 128, 1)。

示例

>>> # The inputs are 28x28x28 volumes with a single channel, and the
>>> # batch size is 4
>>> input_shape =(4, 28, 28, 28, 1)
>>> x = tf.random.normal(input_shape)
>>> y = tf.keras.layers.Conv3D(
... 2, 3, activation='relu', input_shape=input_shape[1:])(x)
>>> print(y.shape)
(4, 26, 26, 26, 2)

>>> # With extended batch shape [4, 7], e.g. a batch of 4 videos of
>>> # 3D frames, with 7 frames per video.
>>> input_shape = (4, 7, 28, 28, 28, 1)
>>> x = tf.random.normal(input_shape)
>>> y = tf.keras.layers.Conv3D(
... 2, 3, activation='relu', input_shape=input_shape[2:])(x)
>>> print(y.shape)
(4, 7, 26, 26, 26, 2)

参数

• filters：整数，输出空间的维度（即卷积中的输出滤波器数量）。
• kernel_size：一个整数或 3 个整数的元组/列表，指定 3D 卷积窗口的深度、高度和宽度。可以是单个整数，用于指定所有空间维度的相同值。
• strides：一个整数或 3 个整数的元组/列表，指定卷积沿每个空间维度的步幅。可以是单个整数，用于指定所有空间维度的相同值。指定任何大于 1 的步幅值都与指定任何大于 1 的 dilation_rate 值不兼容。
• padding："valid" 或 "same" 之一（不区分大小写）。"valid" 表示不进行填充。"same" 会在输入的左/右或上/下均匀地填充零，从而使输出具有与输入相同的宽度/高度维度。
• data_format：一个字符串，可以是 channels_last（默认）或 channels_first。输入中的维度顺序。channels_last 对应于形状为 batch_shape + (spatial_dim1, spatial_dim2, spatial_dim3, channels) 的输入，而 channels_first 对应于形状为 batch_shape + (channels, spatial_dim1, spatial_dim2, spatial_dim3) 的输入。当未指定时，它会查找您的 TF-Keras 配置文件（位于 ~/.keras/keras.json）中的 image_data_format 值（如果存在），否则默认为 'channels_last'。请注意，channels_first 格式目前不受 TensorFlow 在 CPU 上的支持。默认为 'channels_last'。
• dilation_rate：一个整数或 3 个整数的元组/列表，指定用于扩张卷积的扩张率。可以是单个整数，用于指定所有空间维度的相同值。目前，指定任何大于 1 的 dilation_rate 值都与指定任何大于 1 的步幅值不兼容。
• groups：一个正整数，指定输入在通道轴上分割的组数。每组独立地用 filters / groups 个滤波器进行卷积。输出是所有 groups 结果沿通道轴的连接。输入通道和 filters 都必须能被 groups 整除。
• activation：要使用的激活函数。如果您不指定任何内容，则不应用激活（请参阅 keras.activations）。
• use_bias：布尔值，表示该层是否使用偏置向量。
• kernel_initializer：kernel 权重矩阵的初始化器（请参阅 keras.initializers）。默认为 'glorot_uniform'。
• bias_initializer：偏置向量的初始化器（请参阅 keras.initializers）。默认为 'zeros'。
• kernel_regularizer：应用于 kernel 权重矩阵的正则化函数（请参阅 keras.regularizers）。
• bias_regularizer：应用于偏置向量的正则化函数（请参阅 keras.regularizers）。
• activity_regularizer：应用于层输出（其“激活”）的正则化函数（请参阅 keras.regularizers）。
• kernel_constraint：应用于核矩阵的约束函数（请参阅 keras.constraints）。
• bias_constraint：应用于偏置向量的约束函数（请参阅 keras.constraints）。

输入形状

形状为 batch_shape + (channels, conv_dim1, conv_dim2, conv_dim3) 的 5+D 张量（如果 data_format='channels_first'），或形状为 batch_shape + (conv_dim1, conv_dim2, conv_dim3, channels) 的 5+D 张量（如果 data_format='channels_last'）。

输出形状

形状为 batch_shape + (filters, new_conv_dim1, new_conv_dim2, new_conv_dim3) 的 5+D 张量（如果 data_format='channels_first'），或形状为 batch_shape + (new_conv_dim1, new_conv_dim2, new_conv_dim3, filters) 的 5+D 张量（如果 data_format='channels_last'）。由于填充，new_conv_dim1、new_conv_dim2 和 new_conv_dim3 的值可能会发生变化。

返回

一个秩为 5+ 的张量，表示 activation(conv3d(inputs, kernel) + bias)。

引发

• ValueError：如果 padding 为 "causal"。 （"因果"）
• ValueError：当 strides > 1 和 dilation_rate > 1 都存在时。